获得 Image Analyst 许可后可用。
下表对 ArcGIS Pro 中可用的深度学习模型进行了概述。 每行提供兼容的元数据格式和特定模型的主要用途。 如果信息可用,则包含随附的示例。
深度学习模型类型 | 支持的元数据 | 任务 | 示例 |
---|---|---|---|
分类切片 | 像素分类 | ||
分类切片 变化检测 | 像素分类(变化检测) | ||
ConnectNet | 分类切片 | 像素分类 | |
导出切片 CycleGAN | 影像转换(不成对影像) | ||
分类切片 | 像素分类 | ||
PASCAL_VOC_rectangles KITTI_rectangles | 对象检测 | ||
已标注切片 Imagenet 多标注切片 | 对象检测 | ||
分类切片 | 像素分类 | ||
影像标题生成 | 影像转换 | ||
RCNN 掩膜 | 对象检测(实例分割) | ||
MMDetection | PASCAL_VOC_rectangles KITTI_rectangles | 对象检测 | |
MMSegentation | 分类切片 | 像素分类 | |
分类切片 | 像素分类 | ||
导出切片 | 影像转换(已配对影像) | ||
分类切片 | 像素分类 | ||
PASCAL_VOC_rectangles KITTI_rectangles | 对象检测 | ||
RCNN 掩膜 | 对象跟踪器 | ||
PASCAL_VOC_rectangles KITTI_rectangles | 对象检测 | ||
超分辨率 | 影像转换 | ||
分类切片 | 像素分类 | ||
PASCAL_VOC_rectangles KITTI_rectangles | 对象检测 |
注:
可使用训练深度学习模型工具执行一些使用 Python Notebook 进行训练的示例。